京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代安全问题不容忽视 可从三个层面入手解决
随着移动互联网行业的爆发性发展,新技术、新业务与数据中心的关联度越来越高,海量的数据处理需求,令互联网行业面临着全新的数据存储和传输模式,在这样的背景之下,大数据技术应运而生。大数据是继云计算、物联网之后IT产业又一次颠覆性的技术变革。其释放出的巨大价值,几乎给每个行业都带来了颠覆,政府可以利用大数据让政务更加公开透明,企业可以利用大数据分析用户消费习惯,创造更大的商业价值。但需要注意的是,大数据发展是把双刃剑,在大力挖掘其应用价值的同时,还要化解其相应的安全风险,真正实现我们的网络强国梦。
全球大数据市场规模达285亿美元
阿里巴巴集团创始人马云曾说过,在大家还没搞清PC时代的时候,移动互联网来了,还没搞清移动互联网的时候,大数据时代来了。上网购物、浏览新闻、看网络视频等等,你的每个行为都将产生信息,当这些数据信息被商家、企业研究利用,将会释放出巨大的商业价值,而这也成为各大企业竞相追逐大数据的原因。
据国家金融信息中心指数研究院在第十三届中国国际软交会期间发布的《新华(大连)软件和信息技术服务业发展指数报告(2015)》显示,2014年,全球大数据市场规模达到285亿美元,同比增长53.2%。
大数据发展速度迅猛,快于整个信息和通讯技术市场增长速度,成为IT市场的新增长点。以IBM为例,其已在大数据与分析领域投入250亿美金。事实证明,IBM的大数据策略是正确的。据了解,作为IBM转型的核心战略,去年其大数据业务增长了7%,营收达170亿美元。
不仅在国外,国内对大数据的布局亦是如火如荼地展开。2014年以来,贵州省大力发展大数据产业,创建了国家级大数据产业发展集聚区,大力发展数据中心,同时,还成立了大数据交易所。去年,贵州省大数据信息产业总量同比增长62.2%;同年,中国电信、中国东方航空公司等8企业发起成立中国企业大数据联盟;百度提出了“大数据引擎”,通过三大组件——开放云、数据工厂、百度大脑,希冀将其大数据能力开放给社会……
“使用大数据,将会是个别企业竞争和成长的关键形式,”麦肯锡公司表示,“不管是从竞争的立场,还是从获取潜在价值的角度,所有的公司都需要重视大数据。在大部分行业里,已有的商业对手和业界新人,都将利用数据驱动策略来进行创新、竞争和获取价值。”
各国政策红利催热大数据
虽然“大数据”一词对大多数人来说,还比较新鲜,但其早已上升到国家战略层面。各国都卯足劲努力提高数据的“加工能力”,进而实现数据的增值。
以美国为例,其在大数据应用的研究上抢先一步,正形成从发展战略、法律框架到行动计划的完整布局。据了解,2012年3月,白宫发布《大数据研究和发展计划》,并成立“大数据高级指导小组”,计划利用用大数据技术系统改造传统国家治理手段和治理体系,以及形成新的经济增长业态和板块。2013年11月,白宫推出“数据-知识-行动”计划,进一步细化了利用大数据改造国家治理、提振经济的重要举措。2014年5月,美国总统办公室提交《大数据:把握机遇,维护价值》政策报告,计划启动“公开数据行动”,陆续公开健康、能源、气候、教育等50个门类的政府数据,便利商业部门踊跃进行开发和创新。
欧、日、韩等国紧紧跟随。据了解,欧盟正在力推《数据价值链战略计划》,用大数据改造传统治理模式,试图大幅降低公共部门成本,并促进经济增长和就业增长。日本积极谋划利用大数据改造国家治理体系、对冲经济下行风险。2013年6月,安倍内阁正式公布新IT战略《创建最尖端IT国家宣言》,以开放大数据为核心的IT国家战略,要把日本建设成为一个具有“世界最高水准的广泛运用信息产业技术的社会”。
中国政府在大数据建设应用上亦是不遗余力。近日,国务院常务会议审议通过了《关于运用大数据加强对市场主体服务和监管的若干意见》。国家发展和改革委员会副主任连维良表示,我国正在构建以信用为核心的新型市场监管机制,并提升政府运用大数据加强市场服务和监管的能力,以提高监管和服务的有效性,降低行政成本。
大数据安全议题日渐升温
大数据已融入到我们的生活中,并呈现蓬勃发展的态势,但是不能否认的是,当前的大数据发展具有巨大挑战,如安全问题。这从“棱镜门”事件到支付宝大规模故障,再到携程网因“内部错误操作”宕机近12小时,都可窥见一斑。大数据时代,解决网络安全问题势在必行,而这离不开企业研发以及国家扶持的共同给力。
首先,法律层面。《中华人民共和国刑法修正案(七)》以及现在正在加快推进的《个人信息保护法》表明,个人信息泄露问题已引起国家相关部门的重视,但这远远不够,相关部门一定要根据不断变化的市场现状,尽快完善相关的法律法规,形成完整的法律体系。
其次,管理层面。企业要有良好的法律意识与职业道道,对客户的信息要严加保密。国家信息中心时空大数据研究中心秘书长吕欣建议,企业可以建立相应的公司内控机制,使客户的数据和个人信息在公司的内部体系处于可控范围。
再次,技术层面。企业应当加大对信息保护的投入,筑起一道信息防护墙,严挡黑客的入侵。同时,吕欣建议企业内部可以建立控制机制,严控技术人员对客户信息的访问,防止信息的外泄。
据麦肯锡预测,预计到2020年,美国的大数据可创造3800亿-6900亿美元的价值。欧盟委员会预测,截至2020年,大数据可创造2060亿欧元的价值。大数据带来了经济发展的机遇,但与其相随的安全风险亦不容小觑,全球各国应持续探索解决方案。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15